VSLAM
文章平均质量分 95
视觉导航
青蛙球
哇,天桑有灰机在灰~~~
展开
-
VSLAM学习(三) 单目相机位姿估计
一、对极几何约束相机在不同位姿拍到世界中同一个路标,会有不同的成像位置,如下图所示世界路标P\boldsymbol PP,在相机两个不同位姿所拍到的帧I1,I2\boldsymbol I_1,\boldsymbol I_2I1,I2中,分别投影在了p1,p2\boldsymbol p_1,\boldsymbol p_2p1,p2两点。这两帧时刻,相机的坐标中心点分别为C1,C2\boldsymbol C_1,\boldsymbol C_2C1,C2e1,e2\boldsymbol e_原创 2020-12-02 22:58:22 · 1633 阅读 · 0 评论 -
VSLAM学习(二) 非线性优化
一、前置知识点1.1 SLAM模型xk\boldsymbol x_kxk是指kkk时刻的机器人位姿。比如相机位姿,可以使用SE(3)SE(3)SE(3)来描述。zk,j\boldsymbol z_{k,j}zk,j是指kkk时刻对第jjj个路标点的观测值{xk=f(xk−1,uk)+wk ⋅⋅⋅运动方程zk,j=h(yj,xk)+vk,j⋅⋅⋅观测方程\left \{\begin{ali原创 2020-11-23 19:40:31 · 538 阅读 · 1 评论 -
VSLAM学习(一) 三维运动、相机模型、SLAM模型
一、三维空间刚体运动1.1 旋转矩阵同一向量在不同坐标系下的坐标不同假如有两组坐标系,他们的基分别为(e1,e2,e3)(\boldsymbol e_1,\boldsymbol e_2,\boldsymbol e_3)(e1,e2,e3)和(e1′,e2′,e3′)(\boldsymbol e_1',\boldsymbol e_2',\boldsymbol e_3')(e1′,e2′,e3′),向量a\boldsymbol aa在这两组坐标系下的坐标分别为(a1,a2,a3)T(a_1,a原创 2020-11-24 21:16:54 · 1359 阅读 · 4 评论 -
VSLAM学习(四) Bundle Adjustment
一、重投影误差1.1 误差项前面学过了,对于任意第i帧相机像素与空间点坐标的关系:sixi=KTPi或xi=1siKTPis_i\boldsymbol x_i=\boldsymbol K\boldsymbol T\boldsymbol P_i\quad\quad或\quad\quad\boldsymbol x_i=\frac{1}{s_i}\boldsymbol K\boldsymbol T\boldsymbol P_isixi=KTPi或xi=si1KTPi但是有噪声的存在,原创 2020-12-02 22:46:57 · 796 阅读 · 0 评论